电梯起重机械故障的诊断与治理

张理云ZHANG Li-yun

（宜春市特种设备监督检验中心，宜春 336000）

0 引言

在电梯运行中，经常会出现一些事故，其中大部分是由于起重机设备出现了冲顶、溜梯、钢丝绳断裂等问题，不但会导致总费用的上升，而且维护起来也会更加困难，会对人们的使用安全构成极大的威胁和影响。从结构角度来看，目前吊装设备大都是钢制的，要对其进行科学的管理和监测，避免出现安全事故。所以，对起重机械的故障进行诊断与维修是非常有必要的。

1 电梯起重机械故障分析

1.1 机械的过度运作导致故障

由于传统的电梯切换负荷信号无法适应不同的用户需要，负荷过大时会出现一些机械故障，为确保电流供电的稳定性，一般电梯都会采取全新的调度群控系统，这样有利于外界信号的传输[1]。并且随着人们的生活节奏的加快，这种操作造成的故障也变得越来越难以控制，所以在非高峰时段，应加大对电梯的保养与保护，以保障电梯在高峰期运行能够顺利且通畅。

1.2 由润滑体系引起的失效

据有关数据表明，由于润滑系统的原因，导致的故障频率很高。用螺丝固定，在不超过80%的电梯负荷下，开关不能响应。到达时，电梯内会以全负荷的方式传送信号，当达到110%时，即视为电梯超载。由于润滑系统在运行中的损坏，导致其性能不断下降，一旦出现润滑系统的故障，就会造成电梯在某种程度上的故障和损坏。

1.3 机械自然损坏

任何一种机械在使用了很多年后，都会产生一定的损耗，从而影响到机器的工作效率，从而引起一些故障[2]。所以在使用期间，必须定期检查电梯。另外，这样的损坏是很难避免的，所以，在设备的日常维修中，检查起到了至关重要的作用。

2 案例分析与探讨

2.1 故障数据采样

利用ZigBee组网设计方法，以六维力感应器对电梯起重机械的钢丝绳断裂进行实时监控，对电梯起重机械的钢丝拉力数据和载荷数据进行实时采集[3]。结合所建立的监测模型，对电梯起重机械的钢丝绳绝缘异常进行分类，得出了电梯起重机械的电缆断裂故障概率的采样值ck与故障点的相位分布ψ/ω的关系如下公式所示：

然后我们把这个故障的特性分配给了一个样本集序列{x（n）}为0的平均k阶高斯稳定过程，构造一个多层次的自适应的学习模式，在故障监控中进行了反复的训练，这时其产生故障的特性分布如下：

然后采用自由式混合机构测试，然后对电梯的钢丝绳绝缘的初值和欠减振成分进行测试，这时球形支座的故障断裂的特征量如下：

通过对3根均匀分布的连接件的故障实例进行了研究，建立了一种基于分散集成的电梯起重机钢丝绳断裂的故障特性的混合模式，并获得了一个故障的融合状态向量s（t）=[s1（t），s2（t），…，sq（t）]T和噪声矢量n（t），这两个矢量是相互独立的，从而得出了电梯钢丝绳的故障信号j和c型故障的跳跃特性，该特征由如下公式表示：

且根据可控性的故障负荷特征检测手段，对基于串行构成的共轴混联机械系统进行故障检测的大数据分析[4]。

2.2 故障特征提取

在这一步骤中，需要建立铰链模式于电梯起重机械钢丝绳断裂故障中的状态，见图1。

图1 铰链模型图示

从电梯主轴的旋转特性来看，电梯吊挂缆索断裂时的稳定动力特性是：{λi:1≤i≤S}，在（R）RRS+PS并联机构中，构造出一种基于物联网的故障诊断模型，并将其与螺旋线的相互关系进行了分析，得出了在电梯起重机械的钢丝绳过载情况下，其负载为：

通过对所抽取到的电梯起重机械的钢丝绳断裂故障进行高维的相位重构，利用模糊优化算法对所采集到的电梯起重机械的钢丝绳断裂进行优化，并利用该算法求解了电梯起重机械的钢丝绳和回转圈的断裂载荷，求出了断裂载荷条件下的分配结点Nk（k＞2）的权重值：

采用贝叶神经网络的特征分析法，对电梯起重机械的钢丝绳断裂进行了特征辨识，并对其进行载荷平衡，并利用其输出的电流和载荷的差别对其进行载荷平衡。给出故障的分布特征量为：

公式中u（t）表示为特征的分解系数，ωc表示线路电阻，采用节点电压法进行故障数据时域分析，并给出了电梯起重机械钢丝绳断裂故障的振动成分表达式：

根据电梯起重机械的断裂故障特征，对其进行统计分析。分别对各神经元模型进行在线监测，并利用多层隐藏层逐步检测法对其进行分析，得到了以下几个主要的故障特征分量：

在这种情况下，如果电梯起重机械的钢丝绳断裂故障特性的干扰特性是真实的，虚的是单独的颜色噪音，则可以采用空间融合技术来监控起重机的钢丝绳断裂，得到样本数据的统计特征分量，随后引入卷积神经网络之后，以过滤波器输入统计的特征分量，提出了一种基于故障稳定的输出特征值maxT，用于对电梯起重机械钢丝绳断裂故障进行监测[5]。

2.3 故障属性判别

结合上述故障的特征分布情况分析，实现负载的均衡控制，建立了一种基于贝叶斯神经网络的故障诊断模式，该模型具有抗扭转和球铰支座的机械性能：

当α=2Dπ时，Xα（m）-x（m），将所采集的电梯起重机械的钢丝绳绝缘件的失效样品进行综合，利用模糊C平均聚类分析方法，对其进行模糊聚类处理，此时故障的稳定输出特征量maxT表示为：

此时可利用ΔM′ij（i=1，D；j=1，N）第n个样品代表第m类故障，而电梯起重机械的钢丝绳断裂故障样品的最佳判别成本函数表达如下：

综上所述，从输入数据中找出特征，基于故障相关图的分析，对故障属性进行识别与分析。

2.4 钢丝绳断裂故障在线监控技术的优化

在此基础上，建立了起重机钢丝绳故障的多层次信息监控模型，并将其故障的模糊排序集合函数表达为：

其中的xj（t）代表在故障特性资料D的总体上，对第j个群组中心的电梯钢索断裂的故障特性抽样子集进行了全面的说明；lj（t）则代表将第一个阶段的错误特征信息作为第一个学习的采样集合，构造出一个贝叶斯网络的故障检测模式，利用下倾斜的磁盘的位置特性和追踪的方法进行了收敛判定，那么在故障关联特征得到后，可对故障定位的学习迭代式表述为：

2.5 仿真实验和结果分析

通过模拟试验，采用1024的取样时间长度、200大小的故障特征分部样本集、12的样品长度、E=20个弹性模量和0.34的起始端状态特性分布因子。按照以上的参数设置，验证该方法在提升机钢丝绳断裂故障监测中的应用效果[6]。在此基础上，利用模拟值设置电梯的钢丝绳故障，并对其进行分析，分析了其故障特征的分配。在图2中可以看到：

图2 故障特征分布图示

通过对这些故障的特点进行分析，提取出了具有较高分辨率的相关特征值，并利用其与电气设备的故障相似度来判别特定的失效，从而得出该故障的应力值；如图3所示。

图3 钢丝绳断裂的载荷大小

由图3可以明确的是，本方法可有效提升故障在线监测的精准度与效率。随后结合不同方法精度对比（如表1），得出本文所提出的基于物联网的在线监测方法精准度要更高。

表1 监测性能对比

3 电梯起重机械故障的治理方法

结合上述电梯起重机械故障的分析和钢丝绳断裂这种典型机械故障分析方法的探讨，本文提出对于多数电梯发生起重机械故障的处理方法和措施：

3.1 优化目前的生产组织与管理机构

电梯故障的排除和优化依赖于关键环节的保证，特别是电梯的设计、制造和选择。具体来说有三个方面。

第一，要有赖于相关的法律、法规和规范。为了达到最佳的效益，保障电梯的运行，必须按照国家有关法律、法规和规范，并采取更为合理的措施来配合日常的管理，在降低成本的前提下，尽量保证电梯的正常运转。

第二，每个零件都要遵守有关的安全规程。各部分的功能都是提升电梯功能的关键，各部分的功能必须要满足相应的安全要求，才能确保各部分的正常工作，确保电梯的安全和使用[7]。因此相关单位要充分考虑各种影响，采取最优的构造方案和设计标准，确保施工的安全，保证电梯运行在最基础的位置。比如，制定一个适当的购买计划，储存优质的备用部件，做好全面的仓储和技术监控。这样，当电梯出现了问题，能够快速地找到故障的根源，并对其进行替换，从而使电梯的故障诊断和检查效率得到最大程度的改善。

第三，使用经国家批准的电梯产品。没有经过国家批准的电梯，可靠度是无法保障的，最好是采用具有技术和高可靠性的合格电梯，不会留下任何隐患。

3.2 强化电梯维修保养的相关管理

电梯起重机械本身的故障检修和后续维护工作十分关键，没有经过专业培训的维修人员无法对电梯的工作状况进行及时的调节，如果发生故障很容易对电梯使用寿命产生严重的影响。尤其是对电梯的维护，应从下列方面着手：

第一，对起重机发生的问题进行预判，并提出了预防和控制的对策；降低故障发生率，保证安全性。第二，在做好预判和防范的基础上，根据不同的工作条件，进行适当的调节，使部件的损耗降到最低。第三，小规模的维修很关键。小型维护可以减少大规模的维护。第四，强化管理队伍的组织。为了确保电梯的正常运行，就必须成立一支与质量监督协调的管理团队，推动各个环节的建设，并且在细节上强化和维持，形成了一套经过实践证明的方法[8]。第五，在电梯维修过程中，要根据实际情况，正确预测和改进电梯的检修周期，对电梯的故障进行预测和优化，既能最大限度地保障安全，同时也能为人们的工作带来更多的方便。

4 结语

综上所述，对电梯起重机械进行故障诊断和治理，对其进行优化和改造，可以降低电梯起重机械的触电、冲顶、高空坠落等事故，特别是在减少某些重大安全事故中，如滑梯、挤伤、吊物（具）掉落等，有重要作用。所以在实际使用电梯时，必须要及时进行维修，从故障的特点和表现入手，深入挖掘其深层问题的根本原因，采用多种高效的管理方式，改进运行条件，进行组织和经营，维护保养。通过对各种工序的优化，并将现有的最佳方案作详尽的记录和保存，方便日后查阅、使用，促进电梯行业的平稳、安全发展，从根源上消除安全隐患，让电梯真正成为用户信赖的操作工具。